Kuala Lumpur
← 回到资源库

中文Read in English

motion-explainer：把写好的稿变成 HTML 解说视频可以直接开工的说明

免费的 skill：先锁死风格，再一场一行写分场景表、一个章节一份说明，上传之前一定先过独立审核。我粉笔画解说视频背后的方法。

作者 发布于

没有锁死风格的话，做画面的 AI 每一场都在猜。颜色可能一场一场越来越乱，字可能小到手机看不到，渲染好的视频也可能没跟稿子对过就上传了。

motion-explainer 就是放在「稿写好」和「开始做画面」中间的那个工位。我两个 YouTube 频道的粉笔画解说视频就是用这套方法做的，我把它整理成免费的 skill，你可以换成你自己的风格，规矩照留。它不渲染，也不上传任何东西。它只写说明、分章节的工作单和审核清单。

它是 AI Work OS 里 aiwos-factory 包的第一个工位。为什么这种工位可以一个接一个变成工厂，我写在 做一个工厂，不要只找捷径。

什么时候用

一支长视频或 Short 的稿已经写好、事实也核对过，你想用 HTML 做视频的工具，例如 HyperFrames，把它做成动态图像，就用这个。没有做视频的工具也没关系，这份说明交给真人动画师一样用得上。

如果你那支 30 到 60 秒的视频还没有稿，先用 aiwos-video 包里的 video-brief。如果你只是想要一张用手机拍的分镜表，用例库里的 把口播稿变成一张分镜表 是比较轻的版本。

安装

在你的项目文件夹，在 Claude Code 里跑：

BASH
claude plugin marketplace add Rebelzxr/ai-work-os
claude plugin install aiwos-factory@ai-work-os --scope project

用 Codex 的话，叫 Codex 去读 repo 里的 packs/factory/skills/motion-explainer/SKILL.md 就可以。另外还有一份 PROMPT.md，复制贴进任何 AI 聊天都能用。

要给它什么

  • 写好的稿，分成一行一行或一段一段。这个 skill 不核对事实，所以之前先核对好。
  • 一句话：观众看完应该明白什么，或者会做什么。
  • 格式：长视频 16:9，还是 Short 9:16。
  • 你可以放上画面的证据：你自己的截图、录屏、你自己收据里的数字，或者有授权的片段，写明授权。

第一次跑，用假的稿。真实资料先清干净：客户名字、电话号码、账号 ID，还有任何你不会放上画面的东西，全部拿掉。

它交回什么

一个文件夹，里面有这几样：

  1. STYLE.md：锁死的风格。颜色、字的大小、节奏、logo 和人脸的规矩。做画面的人永远不能改。
  2. SCENES.md：一场一行，写时间段、旁白、画面上有什么、一个动作词、画面上的字，还有证据素材。有配音之后，时间段照配音来，还没配音就先估。
  3. briefs/chapter-<n>.md：一个章节一份制作说明，可以直接交给 sub-agent 或者真人。每一份都带着没改过的 STYLE.md、SCENES.md 里属于它的那几行、准确的旁白和时间、它可以读的素材文件夹、它唯一可以写的文件夹，还有它要过的那一关。
  4. REVIEW.md：每一关的检查，加一段给「没有参与制作的人」用的审稿 prompt。

让视频看得懂的规矩

颜色有意思。 先选一个底色，其他每个颜色只做一件事。我的粉笔画风格里，白色是普通的字，橙色是这一句的关键词，灰蓝色是工具或 AI，砖红色是问题，薄荷绿是通过。没有颜色是拿来装饰的。

手机看得到的字。 16:9 的长视频，正在讲的字最少是画面高度的 5%，1080 的画面大约 54 px。Short 的话，正在讲的字在 1080x1920 的画面上最少 60 px 高。只有小小的来源标签不用跟这个规矩。

一次只给看一样东西。 表格或清单一次只亮一组，其他的调暗。证据要放大：截图或片段最少占画面宽度的 60%，只裁出重要的部分，再加一个小小的来源和日期。

画面上每个数字都有来源。 数字不在你的收据里，也没有链接的页面，就改成一句普通的话，或者拿掉。

节奏。 长视频每 2 到 4 秒换一次画面，Short 每 1.5 到 2.5 秒。章节卡最多停 2 秒，而且开头讲完承诺之后，不能马上接一张没声音的章节卡。唯一的例外是长视频最后那段停留。

Short。 第一格要是一个数字或者看得到的结果，不能是 logo 或标题。最下面 350 px 和最右边 150 px 不放重要的东西，那里是 app 的按钮。字幕放在中间偏下的同一条位置。没有片尾卡，最后一格要能接回第一格循环。

长视频。 最后一格最少停 10 秒，留位置给片尾画面的元素。

Logo 和人脸。 真实工具的 logo 只用品牌自己的素材，或者照品牌规矩画的简单图块。不用 AI 生成的 logo，也不用 AI 生成真人的脸。

审核流程

做画面的一次只做一个章节，代码只写进自己的文件夹，永远不改风格，也不碰别的章节。每个章节拼起来之前，要先过自己的关：

  • 做视频工具的 lint 和 check 都是 0 个错误
  • 字幕跟配音一字不差，字幕之间没有重叠
  • 出一张每 2 秒一格的缩图总表，做画面的自己看过、改过
  • 渲染之前，先确认内存和硬盘够用，渲染一次只跑一个

然后换一个模型，或者开一个完全没有制作记录的新 session，来审渲染好的视频、声音报告、缩图总表、字幕、稿子、STYLE.md、SCENES.md，还有画面上每个数字的来源。它永远拿不到做画面那个聊天的记录。它播不了视频、量不了声音的话，那几项就写 UNVERIFIED，不能算过。它回 PASS、PASS WITH FIXES 或 FAIL，附上要怎样改。做画面的照改，改过的部分再审一次，三轮之后还没解决的，交给真人决定。

没人听混音的时候，声音靠量。有人在讲话的时候，音效最少比人声低 12 dB，用分开的人声轨和音效轨，每 1 秒量一次 RMS。总音量的 integrated 大约 −14 LUFS，true peak 在 −1.5 dBTP 或更低，用响度表来量，例如 ffmpeg 的 ebur128 filter。量不到的数字，在收据里写 UNVERIFIED，不能当作过了。

5 分钟测试

repo 里有一份假的测试稿，在 tests/packs/motion-explainer/input.md：一个 cafe 老板、一份每周销售总结，还有几个陷阱。算通过的条件是：交回的东西四样都有，每一场都有时间段、动作词和证据备注，而且说明里拒绝了那些陷阱。陷阱是 AI 生成的 logo、没有来源的「第一名」说法，还有一开头就是标题卡的 Short。

什么还是你的事

这个 skill 只写说明和清单。渲染是你做视频工具的事。上传、排程和发布，都要等第二个模型审过了之后，由人来做。

skill 文件在 AI Work OS 的 GitHub，是英文的。